A headset that reads your brainwaves | Tan Le

377,362 views ・ 2010-07-22

TED


Κάντε διπλό κλικ στους αγγλικούς υπότιτλους παρακάτω για να αναπαραγάγετε το βίντεο.

Μετάφραση: Nikolaos Benias Επιμέλεια: Alexandros Tzaferidis
00:16
Up until now, our communication with machines
0
16260
2000
Μέχρι στιγμής, η επικοινωνία μας με τις μηχανές
00:18
has always been limited
1
18260
2000
ήταν περιορισμένη
00:20
to conscious and direct forms.
2
20260
2000
σε συνειδητές και άμεσες μορφές.
00:22
Whether it's something simple
3
22260
2000
Είτε είναι κάτι απλό,
00:24
like turning on the lights with a switch,
4
24260
2000
όπως το άνοιγμα των φώτων με ένα διακόπτη,
00:26
or even as complex as programming robotics,
5
26260
3000
είτε κάτι πιο πολύπλοκο, όπως ο ρομποτικός προγραμματισμός,
00:29
we have always had to give a command to a machine,
6
29260
3000
πάντα έπρεπε να δώσουμε μια εντολή σε μια μηχανή
00:32
or even a series of commands,
7
32260
2000
ή ακόμα μια σειρά από εντολές,
00:34
in order for it to do something for us.
8
34260
3000
ώστε να μπορεί να κάνει κάτι για εμάς.
00:37
Communication between people, on the other hand,
9
37260
2000
Από την άλλη πλευρά, η επικοινωνία μεταξύ ανθρώπων
00:39
is far more complex and a lot more interesting
10
39260
3000
είναι πολύ πιο σύνθετη και πολύ περισσότερο ενδιαφέρουσα,
00:42
because we take into account
11
42260
2000
επειδή λαμβάνουμε υπόψη
00:44
so much more than what is explicitly expressed.
12
44260
3000
πολλά περισσότερα από αυτά που εκφράζονται ρητά.
00:47
We observe facial expressions, body language,
13
47260
3000
Παρατηρούμε τις εκφράσεις του προσώπου, τη γλώσσα του σώματος
00:50
and we can intuit feelings and emotions
14
50260
2000
και μπορούμε να διαισθανθούμε αισθήματα και συναισθήματα
00:52
from our dialogue with one another.
15
52260
3000
από τον μεταξύ μας διάλογο.
00:55
This actually forms a large part
16
55260
2000
Αυτό στην ουσία διαμορφώνει ένα μεγάλο μέρος
00:57
of our decision-making process.
17
57260
2000
της διαδικασίας λήψεως των αποφάσεων μας.
00:59
Our vision is to introduce
18
59260
2000
Το όραμά μας είναι να παρουσιάσουμε
01:01
this whole new realm of human interaction
19
61260
3000
αυτό το νέο βασίλειο της ανθρώπινης επικοινωνίας
01:04
into human-computer interaction
20
64260
2000
σε αλληλεπίδραση ανθρώπου-υπολογιστή,
01:06
so that computers can understand
21
66260
2000
ώστε οι ηλεκτρονικοί υπολογιστές να κατανοήσουν
01:08
not only what you direct it to do,
22
68260
2000
όχι μόνο τι τους λέτε να κάνουν,
01:10
but it can also respond
23
70260
2000
αλλά να μπορούν να ανταποκρίνονται
01:12
to your facial expressions
24
72260
2000
στις εκφράσεις του προσώπου σας
01:14
and emotional experiences.
25
74260
2000
και στις συναισθηματικές εμπειρίες σας.
01:16
And what better way to do this
26
76260
2000
Και δεν υπάρχει καλύτερος τρόπος να το κάνουμε αυτό
01:18
than by interpreting the signals
27
78260
2000
από το να διερμηνεύσουμε τα σήματα
01:20
naturally produced by our brain,
28
80260
2000
που παράγονται φυσιολογικά από τον εγκέφαλό μας,
01:22
our center for control and experience.
29
82260
3000
το κέντρο ελέγχου μας και εμπειριών.
01:25
Well, it sounds like a pretty good idea,
30
85260
2000
Λοιπόν, ακούγεται σαν μια πολύ καλή ιδέα,
01:27
but this task, as Bruno mentioned,
31
87260
2000
αλλά αυτή η εργασία, όπως ανέφερε και ο Μπρούνο,
01:29
isn't an easy one for two main reasons:
32
89260
3000
δεν είναι και τόσο εύκολη, για δυο κυρίως λόγους:
01:32
First, the detection algorithms.
33
92260
3000
Πρώτον, για τους αλγόριθμους ανίχνευσης.
01:35
Our brain is made up of
34
95260
2000
Ο εγκέφαλός μας αποτελείται από
01:37
billions of active neurons,
35
97260
2000
δισεκατομμύρια ενεργών νευρώνων,
01:39
around 170,000 km
36
99260
3000
περίπου 170.000 χιλιομέτρων
01:42
of combined axon length.
37
102260
2000
συνολικού συνδυασμένου μήκους.
01:44
When these neurons interact,
38
104260
2000
Όταν αυτοί οι νευρώνες αλληλεπιδρούν,
01:46
the chemical reaction emits an electrical impulse,
39
106260
2000
η χημική τους αντίδραση εκπέμπει έναν ηλεκτρικό παλμό,
01:48
which can be measured.
40
108260
2000
ο οποίος μπορεί να μετρηθεί.
01:50
The majority of our functional brain
41
110260
3000
Η πλειοψηφία του λειτουργικού εγκεφάλου μας
01:53
is distributed over
42
113260
2000
κατανέμεται στο
01:55
the outer surface layer of the brain,
43
115260
2000
εξωτερικό στρώμα επιφανείας του εγκεφάλου.
01:57
and to increase the area that's available for mental capacity,
44
117260
3000
Και για να αυξηθεί η περιοχή που είναι διαθέσιμη για τη διανοητική ικανότητα
02:00
the brain surface is highly folded.
45
120260
3000
η επιφάνεια του εγκεφάλου είναι υπερβολικά διπλωμένη.
02:03
Now this cortical folding
46
123260
2000
Τώρα, αυτή η δίπλωση του φλοιού
02:05
presents a significant challenge
47
125260
2000
παρουσιάζει μια σημαντική πρόκληση
02:07
for interpreting surface electrical impulses.
48
127260
3000
για τη διερμηνεία των επιφανειακών ηλεκτρικών ώσεων.
02:10
Each individual's cortex
49
130260
2000
Ο φλοιός καθενός από εμάς
02:12
is folded differently,
50
132260
2000
είναι διπλωμένος διαφορετικά,
02:14
very much like a fingerprint.
51
134260
2000
όπως περίπου το δακτυλικό αποτύπωμα.
02:16
So even though a signal
52
136260
2000
Έτσι, ενώ ένα σήμα
02:18
may come from the same functional part of the brain,
53
138260
3000
μπορεί να προέρχεται από το ίδιο λειτουργικό τμήμα του εγκεφάλου,
02:21
by the time the structure has been folded,
54
141260
2000
με το που η διάρθρωση διπλωθεί,
02:23
its physical location
55
143260
2000
η φυσική της τοποθεσία
02:25
is very different between individuals,
56
145260
2000
είναι πολύ διαφορετική για τον καθένα,
02:27
even identical twins.
57
147260
3000
ακόμα και στα μονοζυγωτικά δίδυμα.
02:30
There is no longer any consistency
58
150260
2000
Δεν υπάρχει πλέον καμία σταθερότητα
02:32
in the surface signals.
59
152260
2000
στα σήματα της επιφανείας.
02:34
Our breakthrough was to create an algorithm
60
154260
2000
Η επαναστατική μας ανακάλυψη ήταν να δημιουργήσουμε έναν αλγόριθμο
02:36
that unfolds the cortex,
61
156260
2000
που ξεδιπλώνει τον φλοιό,
02:38
so that we can map the signals
62
158260
2000
ώστε να μπορέσουμε να χαρτογραφήσουμε τα σήματα
02:40
closer to its source,
63
160260
2000
κοντύτερα στην πηγή τους
02:42
and therefore making it capable of working across a mass population.
64
162260
3000
και επομένως να το κάνουμε ικανό να δουλέψει για τον γενικό πληθυσμό.
02:46
The second challenge
65
166260
2000
Η δεύτερη πρόκληση
02:48
is the actual device for observing brainwaves.
66
168260
3000
είναι η ίδια η συσκευή για την παρατήρηση των εγκεφαλικών κυμάτων.
02:51
EEG measurements typically involve
67
171260
2000
Οι μετρήσεις ενός ηλεκτροεγκεφαλογραφήματος τυπικά περιλαμβάνουν
02:53
a hairnet with an array of sensors,
68
173260
3000
ένα πλέγμα με μία σειρά αισθητήρων,
02:56
like the one that you can see here in the photo.
69
176260
3000
σαν αυτό που βλέπεται εδώ στη φωτογραφία.
02:59
A technician will put the electrodes
70
179260
2000
Ένας τεχνικός θα τοποθετήσει τα ηλεκτρόδια
03:01
onto the scalp
71
181260
2000
πάνω στο τριχωτό της κεφαλής
03:03
using a conductive gel or paste
72
183260
2000
χρησιμοποιώντας ένα αγώγιμο πήκτωμα ή πάστα
03:05
and usually after a procedure of preparing the scalp
73
185260
3000
και συνήθως μετά από μία διαδικασία προετοιμασίας του κεφαλιού
03:08
by light abrasion.
74
188260
2000
με ένα ελαφρύ γδάρσιμο.
03:10
Now this is quite time consuming
75
190260
2000
Τώρα, αυτό χρειάζεται αρκετό χρόνο
03:12
and isn't the most comfortable process.
76
192260
2000
και δεν είναι και η ευκολότερη διαδικασία.
03:14
And on top of that, these systems
77
194260
2000
Και επιπλέον, αυτά τα συστήματα
03:16
actually cost in the tens of thousands of dollars.
78
196260
3000
κοστίζουν πραγματικά δεκάδες χιλιάδες δολλάρια.
03:20
So with that, I'd like to invite onstage
79
200260
3000
Έτσι με αυτά, θα ήθελα να προσκαλέσω στη σκηνή
03:23
Evan Grant, who is one of last year's speakers,
80
203260
2000
τον Έβαν Γκράντ, ο οποίος είναι ένας από τους περσινούς ομιλητές
03:25
who's kindly agreed
81
205260
2000
που πολύ ευγενικά συμφώνησε
03:27
to help me to demonstrate
82
207260
2000
να με βοηθήσει να παρουσιάσω
03:29
what we've been able to develop.
83
209260
2000
τι έχουμε καταφέρει να αναπτύξουμε.
03:31
(Applause)
84
211260
6000
(Χειροκρότημα)
03:37
So the device that you see
85
217260
2000
Λοιπόν, η συσκευή που βλέπετε
03:39
is a 14-channel, high-fidelity
86
219260
2000
είμαι ένα δεκατεσσάρων καναλιών, υψηλής πιστότητας
03:41
EEG acquisition system.
87
221260
2000
σύστημα ηλεκτροεγκεφαλογραφήματος.
03:43
It doesn't require any scalp preparation,
88
223260
3000
Δεν χρειάζεται καμία προετοιμασία του κεφαλιού,
03:46
no conductive gel or paste.
89
226260
2000
ούτε αγώγιμο πήκτωμα ή πάστα.
03:48
It only takes a few minutes to put on
90
228260
3000
Χρειάζονται μόνο μερικά λεπτά για να φορεθεί
03:51
and for the signals to settle.
91
231260
2000
και για να σταθεροποιηθούν τα σήματα.
03:53
It's also wireless,
92
233260
2000
Είναι, επίσης, ασύρματη
03:55
so it gives you the freedom to move around.
93
235260
3000
και έτσι σας δίνει την ελευθερία να κινήστε.
03:58
And compared to the tens of thousands of dollars
94
238260
3000
Και σε σύγκριση με τα δεκάδες χιλιάδες δολλάρια
04:01
for a traditional EEG system,
95
241260
3000
του παραδοσιακού συστήματος ηλεκτροεγκεφαλογραφήματος,
04:04
this headset only costs
96
244260
2000
αυτή η συσκευή κεφαλής κοστίζει μόνο
04:06
a few hundred dollars.
97
246260
2000
μερικές εκατοντάδες δολλάρια.
04:08
Now on to the detection algorithms.
98
248260
3000
Πάμε τώρα στους αλγόριθμους ανίχνευσης.
04:11
So facial expressions --
99
251260
2000
Λοιπόν, οι εκφράσεις του προσώπου
04:13
as I mentioned before in emotional experiences --
100
253260
2000
- όπως ανέφερα πριν στις συναισθηματικές εμπειρίες -
04:15
are actually designed to work out of the box
101
255260
2000
είναι σχεδιασμένες να δουλεύουν κατευθείαν
04:17
with some sensitivity adjustments
102
257260
2000
με μερικές ρυθμίσεις ευαισθησίας
04:19
available for personalization.
103
259260
3000
διαθέσιμες για εξατομίκευση.
04:22
But with the limited time we have available,
104
262260
2000
Αλλά, λόγω του περιορισμένου χρόνου που έχουμε,
04:24
I'd like to show you the cognitive suite,
105
264260
2000
θα ήθελα να σας δείξω τη γνωστική ακολουθία,
04:26
which is the ability for you
106
266260
2000
που είναι η ικανότητα για να μπορείτε να
04:28
to basically move virtual objects with your mind.
107
268260
3000
μετακινήσετε βασικά εικονικά αντικείμενα με το μυαλό σας.
04:32
Now, Evan is new to this system,
108
272260
2000
Τώρα, ο Έβαν είναι καινούργιος σε αυτό το σύστημα,
04:34
so what we have to do first
109
274260
2000
έτσι, αυτό που πρέπει να κάνουμε πρώτα
04:36
is create a new profile for him.
110
276260
2000
είναι να δημιουργήσουμε ένα προφίλ για αυτόν.
04:38
He's obviously not Joanne -- so we'll "add user."
111
278260
3000
Προφανώς, δεν είναι η Τζοάν, γι' αυτό θα προσθέσουμε ένα χρήστη.
04:41
Evan. Okay.
112
281260
2000
Έβαν. Εντάξει.
04:43
So the first thing we need to do with the cognitive suite
113
283260
3000
Λοιπόν, το πρώτο πράγμα που πρέπει να κάνουμε με τη γνωστική ακολουθία
04:46
is to start with training
114
286260
2000
είναι να ξεκινήσουμε με την εκπαίδευση
04:48
a neutral signal.
115
288260
2000
ενός ουδέτερου σήματος.
04:50
With neutral, there's nothing in particular
116
290260
2000
Με το ουδέτερο, δεν έχουμε τίποτα συγκεκριμένο
04:52
that Evan needs to do.
117
292260
2000
που πρέπει να κάνει ο Έβαν.
04:54
He just hangs out. He's relaxed.
118
294260
2000
Απλά κάθεται. Είναι ήρεμος.
04:56
And the idea is to establish a baseline
119
296260
2000
Και η ιδέα είναι να εξασφαλίσουμε ένα σημείο εκκίνησης
04:58
or normal state for his brain,
120
298260
2000
ή μια κανονική κατάσταση για τον εγκέφαλό του,
05:00
because every brain is different.
121
300260
2000
επειδή κάθε εγκέφαλος είναι διαφορετικός.
05:02
It takes eight seconds to do this,
122
302260
2000
Χρειάζονται οκτώ δευτερόλεπτα για να το κάνει αυτό.
05:04
and now that that's done,
123
304260
2000
Και τώρα που έγινε αυτό,
05:06
we can choose a movement-based action.
124
306260
2000
μπορούμε να επιλέξουμε μια δραστηριότητα κίνησης.
05:08
So Evan, choose something
125
308260
2000
Λοιπόν Έβαν, διάλεξε κάτι
05:10
that you can visualize clearly in your mind.
126
310260
2000
που να μπορείς να το σκεφτείς καθαρά στο μυαλό σου.
05:12
Evan Grant: Let's do "pull."
127
312260
2000
'Εβαν Γκράντ: Ας κάνουμε το "τραβάω".
05:14
Tan Le: Okay, so let's choose "pull."
128
314260
2000
Ταν Λε: Εντάξει. Ας κάνουμε το "τραβάω".
05:16
So the idea here now
129
316260
2000
Η ιδέα λοιπόν εδώ
05:18
is that Evan needs to
130
318260
2000
είναι ότι ο Έβαν πρέπει να
05:20
imagine the object coming forward
131
320260
2000
φανταστεί το αντικείμενο να έρχεται εμπρός
05:22
into the screen,
132
322260
2000
στην οθόνη.
05:24
and there's a progress bar that will scroll across the screen
133
324260
3000
Και υπάρχει μια γραμμή προόδου που θα κυλάει κατά πλάτος της οθόνης
05:27
while he's doing that.
134
327260
2000
όσο το κάνει αυτό.
05:29
The first time, nothing will happen,
135
329260
2000
Την πρώτη φορά, τίποτα δεν θα συμβεί,
05:31
because the system has no idea how he thinks about "pull."
136
331260
3000
γιατί το σύστημα δεν έχει ιδέα πως σκέφτεται το "τραβάω".
05:34
But maintain that thought
137
334260
2000
Αλλά κράτησε αυτή τη σκέψη
05:36
for the entire duration of the eight seconds.
138
336260
2000
για όλη τη διάρκεια των οκτώ δευτερολέπτων.
05:38
So: one, two, three, go.
139
338260
3000
Λοιπόν: ένα, δυο, τρία, πάμε.
05:49
Okay.
140
349260
2000
Εντάξει.
05:51
So once we accept this,
141
351260
2000
Όταν λοιπόν το αποδεχτούμε αυτό,
05:53
the cube is live.
142
353260
2000
ο κύβος είναι ζωντανός.
05:55
So let's see if Evan
143
355260
2000
Ας δούμε, λοιπόν, αν ο Έβαν
05:57
can actually try and imagine pulling.
144
357260
3000
μπορεί πραγματικά να προσπαθήσει να φανταστεί το "τράβηγμα".
06:00
Ah, good job!
145
360260
2000
Α, πολύ καλά!
06:02
(Applause)
146
362260
3000
(Χειροκρότημα)
06:05
That's really amazing.
147
365260
2000
Αυτό είναι αρκετά εκπληκτικό.
06:07
(Applause)
148
367260
4000
(Χειροκρότημα)
06:11
So we have a little bit of time available,
149
371260
2000
Έχουμε λοιπόν λίγο ακόμα χρόνο διαθέσιμο,
06:13
so I'm going to ask Evan
150
373260
2000
έτσι θα ζητήσω από τον Έβαν
06:15
to do a really difficult task.
151
375260
2000
να κάνει μία πολύ δύσκολη εργασία.
06:17
And this one is difficult
152
377260
2000
Και αυτή είναι δύσκολη,
06:19
because it's all about being able to visualize something
153
379260
3000
επειδή αφορά στο να μπορεί να σκεφθεί κάτι
06:22
that doesn't exist in our physical world.
154
382260
2000
που δεν υπάρχει στο φυσικό μας κόσμο.
06:24
This is "disappear."
155
384260
2000
Αυτό είναι η "εξαφάνιση".
06:26
So what you want to do -- at least with movement-based actions,
156
386260
2000
Έτσι, αυτό που θέλετε... Τουλάχιστον με τις δραστηριότητες κίνησης,
06:28
we do that all the time, so you can visualize it.
157
388260
3000
που τις κάνουμε συνεχώς, για να μπορέσετε να το φανταστείτε.
06:31
But with "disappear," there's really no analogies --
158
391260
2000
Αλλά με την "εξαφάνιση", δεν υπάρχει πραγματικά κάτι ανάλογο.
06:33
so Evan, what you want to do here
159
393260
2000
Λοιπόν, Έβαν, αυτό που θέλεις να κάνεις εδώ
06:35
is to imagine the cube slowly fading out, okay.
160
395260
3000
είναι να φανταστείς τον κύβο να εξαφανίζεται βαθμιαία και αργά, εντάξει;
06:38
Same sort of drill. So: one, two, three, go.
161
398260
3000
Σαν να θρυμματίζεται. Λοιπόν, ένα, δυο, τρία, πάμε.
06:50
Okay. Let's try that.
162
410260
3000
Εντάξει. Ας το δοκιμάσουμε.
06:53
Oh, my goodness. He's just too good.
163
413260
3000
Ω, Θεέ μου! Είναι πολύ καλός.
06:57
Let's try that again.
164
417260
2000
Ας το δοκιμάσουμε ξανά.
07:04
EG: Losing concentration.
165
424260
2000
Έβαν Γκράντ: Χάνω την αυτοσυγκέντρωσή μου.
07:06
(Laughter)
166
426260
2000
(Χειροκρότημα)
07:08
TL: But we can see that it actually works,
167
428260
2000
Ταν Λε: Αλλά μπορούμε να δούμε ότι πράγματι λειτουργεί,
07:10
even though you can only hold it
168
430260
2000
παρότι μπορείς να το κρατήσεις μόνο
07:12
for a little bit of time.
169
432260
2000
για πολύ λίγο χρόνο.
07:14
As I said, it's a very difficult process
170
434260
3000
Όπως είπα, είναι μια πολύ δύσκολη διαδικασία
07:17
to imagine this.
171
437260
2000
να το φανταστείτε.
07:19
And the great thing about it is that
172
439260
2000
Και το εκπληκτικό είναι ότι
07:21
we've only given the software one instance
173
441260
2000
έχουμε δώσει στο λογισμικό μόνο μια έννοια
07:23
of how he thinks about "disappear."
174
443260
3000
του πως σκέφτεται την "εξαφάνιση".
07:26
As there is a machine learning algorithm in this --
175
446260
3000
Δεδομένου ότι υπάρχει μια μηχανή μάθησης σε αυτόν τον αλγόριθμο.
07:29
(Applause)
176
449260
4000
(Χειροκρότημα)
07:33
Thank you.
177
453260
2000
Σας ευχαριστώ.
07:35
Good job. Good job.
178
455260
3000
Πολύ καλά. Πολύ καλά.
07:38
(Applause)
179
458260
2000
(Χειροκρότημα)
07:40
Thank you, Evan, you're a wonderful, wonderful
180
460260
3000
Ευχαριστώ Έβαν, είσαι ένα υπέροχο, υπέροχο
07:43
example of the technology.
181
463260
3000
παράδειγμα της τεχνολογίας.
07:46
So, as you can see, before,
182
466260
2000
Όπως, λοιπόν, είδατε πριν,
07:48
there is a leveling system built into this software
183
468260
3000
υπάρχει ένα βαθμιαίο σύστημα ενσωματωμένο στο λογισμικό
07:51
so that as Evan, or any user,
184
471260
2000
έτσι ώστε όσο ο Έβαν, ή κάθε χρήστης,
07:53
becomes more familiar with the system,
185
473260
2000
εξοικιώνεται με το σύστημα,
07:55
they can continue to add more and more detections,
186
475260
3000
να μπορεί να προσθέτει ακόμα περισσότερες ανιχνεύσεις,
07:58
so that the system begins to differentiate
187
478260
2000
ώστε το σύστημα να ξεχωρίζει
08:00
between different distinct thoughts.
188
480260
3000
μεταξύ διαφορετικών ξεχωριστών σκέψεων.
08:04
And once you've trained up the detections,
189
484260
2000
Και μόλις εκπαιδεύσετε τις ανιχνεύσεις,
08:06
these thoughts can be assigned or mapped
190
486260
2000
αυτές οι σκέψεις μπορούν να εκχωρηθούν ή χαρτογραφηθούν
08:08
to any computing platform,
191
488260
2000
σε οποιαδήποτε υπολογιστική πλατφόρμα,
08:10
application or device.
192
490260
2000
εφαρμογή ή συσκευή.
08:12
So I'd like to show you a few examples,
193
492260
2000
Έτσι, θα ήθελα να σας δείξω μερικά παραδείγματα,
08:14
because there are many possible applications
194
494260
2000
επειδή υπάρχουν πολλές δυνατές εφαρμογές
08:16
for this new interface.
195
496260
2000
για αυτή τη νέα διεπαφή.
08:19
In games and virtual worlds, for example,
196
499260
2000
Στα παιχνίδια και τους εικονικούς κόσμους, για παράδειγμα,
08:21
your facial expressions
197
501260
2000
οι εκφράσεις του προσώπου σας
08:23
can naturally and intuitively be used
198
503260
2000
μπορούν να χρησιμοποιηθούν φυσικά και ενστικτωδώς για
08:25
to control an avatar or virtual character.
199
505260
3000
να ελέγξουν ένα άβαταρ ή έναν εικονικό χαρακτήρα.
08:29
Obviously, you can experience the fantasy of magic
200
509260
2000
Προφανώς, μπορείτε να βιώσετε τη φαντασίωση της μαγείας
08:31
and control the world with your mind.
201
511260
3000
και να ελέγξετε τον κόσμο με το μυαλό σας.
08:36
And also, colors, lighting,
202
516260
3000
Όπως επίσης, χρώματα, φωτισμός,
08:39
sound and effects
203
519260
2000
ήχοι και εφέ,
08:41
can dynamically respond to your emotional state
204
521260
2000
μπορούν να αποκριθούν δυναμικά στη συναισθηματική σας κατάσταση
08:43
to heighten the experience that you're having, in real time.
205
523260
3000
να εντείνουν την εμπειρία που βιώνετε, σε πραγματικό χρόνο.
08:47
And moving on to some applications
206
527260
2000
Και, προχωρώντας σε μερικές εφαρμογές που
08:49
developed by developers and researchers around the world,
207
529260
3000
ανέπτυξαν προγραμματιστές και ερευνητές ανά τον κόσμο,
08:52
with robots and simple machines, for example --
208
532260
3000
με ρομπότ και απλές μηχανές, για παράδειγμα -
08:55
in this case, flying a toy helicopter
209
535260
2000
σε αυτη την περίπτωση, πετώντας ένα παιχνίδι-ελικόπτερο
08:57
simply by thinking "lift" with your mind.
210
537260
3000
απλά με το να σκέφτεστε "απογειώσου" με το μυαλό σας.
09:00
The technology can also be applied
211
540260
2000
Η τεχνολογία μπορεί επίσης να εφαρμοστεί
09:02
to real world applications --
212
542260
2000
σε εφαρμογές του πραγματικού κόσμου
09:04
in this example, a smart home.
213
544260
2000
- σε αυτό το παράδειγμα, ένα έξυπνο σπίτι.
09:06
You know, from the user interface of the control system
214
546260
3000
Ξέρετε, από τη διεπαφή του χρήστη με το σύστημα ελέγχου
09:09
to opening curtains
215
549260
2000
για να ανοίξετε τις κουρτίνες
09:11
or closing curtains.
216
551260
3000
ή να τις κλείσετε.
09:22
And of course, also to the lighting --
217
562260
3000
Και φυσικά επίσης για το φωτισμό
09:25
turning them on
218
565260
3000
- να τον ανοίξουμε
09:28
or off.
219
568260
2000
ή να τον κλείσουμε.
09:30
And finally,
220
570260
2000
Και, τέλος,
09:32
to real life-changing applications,
221
572260
2000
σε εφαρμογές που πραγματικά μας αλλάζουν τη ζωή,
09:34
such as being able to control an electric wheelchair.
222
574260
3000
όπως να είστε σε θέση να ελέγξετε ένα ηλεκτρικό αναπηρικό καροτσάκι.
09:37
In this example,
223
577260
2000
Σε αυτό το παράδειγμα,
09:39
facial expressions are mapped to the movement commands.
224
579260
3000
οι εκφράσεις του προσώπου είναι συνυφασμένες με τις εντολές κίνησης.
09:42
Man: Now blink right to go right.
225
582260
3000
Άνδρας: Τώρα βλεφάρισε δεξιά για να πάει δεξιά.
09:50
Now blink left to turn back left.
226
590260
3000
Τώρα βλεφάρισε αριστερά για να γυρίσει αριστερά.
10:02
Now smile to go straight.
227
602260
3000
Τώρα χαμογέλασε για να πας ευθεία.
10:08
TL: We really -- Thank you.
228
608260
2000
Ταν Λε: Πραγματικά... Σας ευχαριστώ.
10:10
(Applause)
229
610260
5000
(Χειροκρότημα)
10:15
We are really only scratching the surface of what is possible today,
230
615260
3000
Και αυτά είναι η κορυφή του παγόβουνου, με τα σημερινά δεδομένα.
10:18
and with the community's input,
231
618260
2000
Και με τη συμβολή της κοινότητας,
10:20
and also with the involvement of developers
232
620260
2000
καθώς επίσης και την ανάμειξη των κατασκευαστών λογισμικού
10:22
and researchers from around the world,
233
622260
3000
και ερευνητών από όλο τον κόσμο,
10:25
we hope that you can help us to shape
234
625260
2000
ελπίζουμε ότι θα μας βοηθήσετε να διαμορφώσουμε
10:27
where the technology goes from here. Thank you so much.
235
627260
3000
πως θα συνεχίσει αυτή η τεχνολογία από εδώ. Σας ευχαριστώ πάρα πολύ.
Σχετικά με αυτόν τον ιστότοπο

Αυτός ο ιστότοπος θα σας παρουσιάσει βίντεο στο YouTube που είναι χρήσιμα για την εκμάθηση της αγγλικής γλώσσας. Θα δείτε μαθήματα αγγλικών που διδάσκουν κορυφαίοι καθηγητές από όλο τον κόσμο. Κάντε διπλό κλικ στους αγγλικούς υπότιτλους που εμφανίζονται σε κάθε σελίδα βίντεο για να αναπαράγετε το βίντεο από εκεί. Οι υπότιτλοι μετακινούνται συγχρονισμένα με την αναπαραγωγή του βίντεο. Εάν έχετε οποιαδήποτε σχόλια ή αιτήματα, παρακαλούμε επικοινωνήστε μαζί μας χρησιμοποιώντας αυτή τη φόρμα επικοινωνίας.

https://forms.gle/WvT1wiN1qDtmnspy7